تُعتبر غزوات الأعصاب (Perineural invasion - PNI) من العوامل الرئيسية التي تؤثر في تشخيص مرض الكولانجيوركارسينوما. ويواجه الباحثون تحديات كبيرة في إجراء توقعات غير جراحية موثوقة باستخدام صور الرنين المغناطيسي ثلاثية الأبعاد (3D MRI). وبفضل التطور السريع في الذكاء الاصطناعي، تم تقديم نموذج مبتكر يُعرف باسم MMA-Former، وهو عبارة عن هيكل تكنولوجي جديد يعتمد على بنية "Coarse-Fine Transformer (CFT)" لاستخراج الميزات متعددة المقاييس بشكل متزامن.

ما يميز نموذج MMA-Former هو آلية "Window-Specific Mixture-of-Head attention (WS-MoH)"، التي تتيح إنشاء تمثيل مخصص لكل نافذة ثلاثية الأبعاد (3D window)، مما يمكّن النموذج من توجيه كل نافذة إلى رؤوس اهتمام متخصصة أو مشتركة، مما يحسن من استخراج الميزات مع التركيز على جوانب السياق المحلي. وهذا يشير إلى أن النموذج قادر على تقليل التكرار وتعزيز التخصص، دون الحاجة لزيادة عدد المعلمات.

لتقييم أداء هذا النموذج، تم استخدام مجموعة بيانات سبق أن أجريت عليها دراسة مكونة من 168 مسحاً ضوئياً بتقنية T1-weighted MRI، وقد حقق MMA-Former معدل AUC يصل إلى 0.752، متفوقاً على العديد من الهياكل ثلاثية الأبعاد الأخرى، بما في ذلك أفضل نماذج الشبكات العصبية التلافيفية (CNN) التي حققت AUC قدره 0.708، ونماذج الترنسفورمر التقليدية التي حققت AUC قدره 0.681.

استمرارًا في تجاوز حدود التحليل الطبي، يمثل هذا الابتكار خطوة كبيرة نحو تحسين التنبؤات غير الجراحية في مجال الأمراض المعقدة، مما يفتح الباب أمام نتائج صحية أفضل.